大語言模型編程培訓(xùn)課程
培訓(xùn)對(duì)象：
-
具備 Python 基礎(chǔ)的后端/全棧開發(fā)工程師
-
希望利用 LLM 提升開發(fā)效率的軟件工程師
-
計(jì)劃轉(zhuǎn)型 AI 應(yīng)用開發(fā)的程序員
-
需要構(gòu)建智能應(yīng)用的架構(gòu)師與技術(shù)負(fù)責(zé)人
培訓(xùn)目標(biāo)：
使學(xué)員系統(tǒng)掌握基于大語言模型的應(yīng)用開發(fā)全流程技術(shù)棧，從提示工程基礎(chǔ)到 RAG 系統(tǒng)構(gòu)建，從 Agent 智能體開發(fā)到模型微調(diào)與部署；能夠熟練使用 LangChain、LangGraph 等主流框架，獨(dú)立開發(fā)具備上下文記憶、知識(shí)庫(kù)檢索、工具調(diào)用能力的智能應(yīng)用；具備將 LLM 融入軟件開發(fā)全流程的能力，顯著提升編程效率與創(chuàng)新能力。
培訓(xùn)內(nèi)容介紹：
-
大語言模型基礎(chǔ)與開發(fā)環(huán)境搭建
LLM 發(fā)展歷程與技術(shù)演進(jìn)（從 Transformer 到 GPT/LLaMA/DeepSeek）；LLM 核心工作原理：Tokenizer、Embedding、Attention 機(jī)制、自回歸生成；開發(fā)環(huán)境搭建：Ollama 本地模型部署、主流模型（Llama 3/Gemma/DeepSeek）的本地運(yùn)行與 API 接入配置。
-
提示工程（Prompt Engineering）進(jìn)階
提示工程的核心原則與最佳實(shí)踐；高級(jí)提示技巧：Few-shot Prompting、Chain-of-Thought（思維鏈）、ReAct 框架；提示詞模板設(shè)計(jì)與版本管理；使用結(jié)構(gòu)化輸出（JSON Mode/PydanticOutputParser）強(qiáng)制模型返回格式化的數(shù)據(jù)。
-
LangChain 框架核心組件
LangChain 架構(gòu)全景：Models、Prompts、Parsers、Chains、Memory；LangChain 表達(dá)式語言（LCEL）基礎(chǔ)；對(duì)話記憶管理：不同記憶類型（Buffer/Summary/VectorStore）的選擇與應(yīng)用；鏈?zhǔn)秸{(diào)用與復(fù)雜工作流編排。
-
檢索增強(qiáng)生成（RAG）系統(tǒng)實(shí)戰(zhàn)
RAG 架構(gòu)原理與解決 LLM 幻覺問題的機(jī)制；Embedding 模型選擇與向量化技術(shù)；向量數(shù)據(jù)庫(kù)選型（FAISS/Chroma/PGVector）與索引構(gòu)建；相似度檢索（similarity_search）與重排序（re-ranking）；構(gòu)建企業(yè)級(jí)知識(shí)庫(kù)問答系統(tǒng)（文檔上傳-切片-嵌入-檢索-生成全流程）。
-
工具調(diào)用（Tool Calling）與函數(shù)調(diào)用
Tool Calling 原理與實(shí)現(xiàn)機(jī)制；自定義工具開發(fā)：讓 LLM 能夠調(diào)用外部 API、執(zhí)行代碼、查詢數(shù)據(jù)庫(kù)；多工具協(xié)同調(diào)度策略；基于 MCP（Model Context Protocol）的標(biāo)準(zhǔn)化工具接入。
-
智能體（Agent）開發(fā)
Agent 核心架構(gòu)：LLM 推理引擎 + Tools；ReAct 框架在 Agent 中的深度應(yīng)用；LangGraph 基礎(chǔ)：狀態(tài)圖與節(jié)點(diǎn)設(shè)計(jì)；構(gòu)建能夠自主規(guī)劃、迭代執(zhí)行的智能體系統(tǒng)；多智能體協(xié)作模式與通信機(jī)制。
-
代碼庫(kù)理解與 AI 輔助開發(fā)
使用 AI 工具快速理解大型代碼庫(kù)架構(gòu)；基于 Cursor/Claude Code 的智能編程實(shí)踐；AI 輔助代碼重構(gòu)與優(yōu)化；自動(dòng)生成單元測(cè)試與文檔；代碼審查與質(zhì)量提升的 AI 協(xié)同模式。
-
模型微調(diào)（Fine-tuning）與領(lǐng)域適配
微調(diào) vs 提示工程 vs RAG 的技術(shù)選型對(duì)比；全量微調(diào)與參數(shù)高效微調(diào)（PEFT）原理（LoRA/QLoRA）；使用 HuggingFace Transformers 進(jìn)行監(jiān)督微調(diào)（SFT）；準(zhǔn)備領(lǐng)域數(shù)據(jù)集與微調(diào)實(shí)踐。
-
AI 賦能軟件開發(fā)全流程
需求分析階段的 AI 輔助：從自然語言生成用戶故事與需求文檔；設(shè)計(jì)階段的 AI 輔助：生成架構(gòu)圖與接口定義；編碼階段的 AI 輔助：代碼生成、補(bǔ)全與解釋；測(cè)試階段的 AI 輔助：測(cè)試用例生成與自動(dòng)化測(cè)試；部署與運(yùn)維階段的 AI 輔助。
-
LLM 應(yīng)用性能優(yōu)化與評(píng)估
LLM 推理性能優(yōu)化策略：緩存、批處理、流式輸出；生成質(zhì)量評(píng)估指標(biāo)與方法；RAG 系統(tǒng)評(píng)估（RAGAS 框架）；應(yīng)用監(jiān)控與日志追蹤；成本控制與 Token 使用優(yōu)化。
-
生產(chǎn)級(jí) LLM 應(yīng)用部署
使用 FastAPI 封裝 LLM 應(yīng)用為 RESTful 服務(wù)；容器化部署（Docker）基礎(chǔ)；模型推理服務(wù)化（vLLM/TGI）介紹；LLM 應(yīng)用的安全考慮：提示注入防護(hù)、輸出過濾、隱私保護(hù)；MLOps 基礎(chǔ)：模型版本管理與持續(xù)集成。
-
綜合實(shí)戰(zhàn)：智能編程助手系統(tǒng)開發(fā)
從零構(gòu)建一個(gè)企業(yè)級(jí)智能編程助手系統(tǒng)：
-
基礎(chǔ)功能：基于本地部署模型的代碼問答與解釋
-
RAG 增強(qiáng)：接入公司內(nèi)部代碼庫(kù)與技術(shù)文檔，實(shí)現(xiàn)基于知識(shí)庫(kù)的精準(zhǔn)回答
-
工具調(diào)用：實(shí)現(xiàn)代碼執(zhí)行、Git 操作、單元測(cè)試自動(dòng)生成
-
Agent 能力：構(gòu)建能夠理解需求、生成代碼、運(yùn)行測(cè)試、修復(fù) Bug 的自主編程智能體
-
前端集成：開發(fā)簡(jiǎn)單的聊天界面或 IDE 插件原型
-
部署上線：完成服務(wù)封裝與容器化部署，形成可演示的完整項(xiàng)目成果
如果您想學(xué)習(xí)本課程，請(qǐng)
預(yù)約報(bào)名
如果沒找到合適的課程或有特殊培訓(xùn)需求，請(qǐng)
訂制培訓(xùn)
除培訓(xùn)外，同時(shí)提供相關(guān)技術(shù)咨詢與技術(shù)支持服務(wù)，有需求請(qǐng)發(fā)需求表到郵箱soft@info-soft.cn,或致電4007991916
技術(shù)服務(wù)需求表點(diǎn)擊在線申請(qǐng)
服務(wù)特點(diǎn)：
海量專家資源，精準(zhǔn)匹配相關(guān)行業(yè)，相關(guān)項(xiàng)目專家，針對(duì)實(shí)際需求，顧問式咨詢，互動(dòng)式授課，案例教學(xué)，小班授課，實(shí)際項(xiàng)目演示，快捷高效，省時(shí)省力省錢。
專家力量：
中國(guó)科學(xué)院軟件研究所，計(jì)算研究所高級(jí)研究人員
oracle,微軟，vmware，MSC,Ansys，candence,Altium,達(dá)索等大型公司高級(jí)工程師，項(xiàng)目經(jīng)理，技術(shù)支持專家
中科信軟培訓(xùn)中心，資深專家或講師
大多名牌大學(xué)，碩士以上學(xué)歷，相關(guān)技術(shù)專業(yè)，理論素養(yǎng)豐富
多年實(shí)際項(xiàng)目經(jīng)歷，大型項(xiàng)目實(shí)戰(zhàn)案例，熱情，樂于技術(shù)分享
針對(duì)客戶實(shí)際需求，案例教學(xué)，互動(dòng)式溝通，學(xué)有所獲
